一文学会MapReduce编程
“ MapReduce编程模型,相对于初学者来说,会有一些门槛,没关系,这一篇让你学会使用MapReduce进行分布式处理。”
01
—
MapReduce编程模型
<key, value>
形式的键值对进行处理。MapReduce会将任务的输入当成一组 <key, value>
键值对,最后也会生成一组 <key, value>
键值对作为结果。
/*
* KEYIN:输入kv数据对中key的数据类型
* VALUEIN:输入kv数据对中value的数据类型
* KEYOUT:输出kv数据对中key的数据类型
* VALUEOUT:输出kv数据对中value的数据类型
* 数据类型为Writable类型
*/
public static class MyMapper extends Mapper<KEYIN, VALUEIN, KEYOUT, VALUEOUT>{
// Context为MapReduce上下文,在Map中通常用于将数据处理结果输出
public void map(KEYIN key, VALUEIN value, Context context) throws IOException, InterruptedException {
// Map功能的实现
}
}
public static class MyReducer extends Reducer<KEYIN,VALUEIN,KEYOUT,VALUEOUT> {
// 这里reduce方法的输入的Value值是可迭代Iterable类型,因为Reduce阶段会将Key值相同的数据放置在一起
public void reduce(KEYIN key, Iterable<VALUEIN> values, Context context ) throws IOException, InterruptedException {
// Reduce功能的实现
}
}
public static void main(String[] args) throws Exception {
// 配置类
Configuration conf = new Configuration();
// 创建MapReduce Job实例
Job job = Job.getInstance(conf, "Job Name");
// 为MapReduce作业设置必要的配置
// 设置main函数所在的入口类
job.setJarByClass(WordCount.class);
// 设置Map和Reduce实现类,并指定Combiner
job.setMapperClass(MyMapper.class);
job.setCombinerClass(MyReducer.class);
job.setReducerClass(IntSumReducer.class);
// 设置结果数据的输出类
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
// 设置结果数据的输入和输出路径
FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
// 作业运行,并输出结束标志
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
job.setNumReduceTasks(int)
02
—
WordCount实现
首先准备数据,并上传到HDFS中:
将Hadoop当前用户切换为hdfs,进行访问授权
export HADOOP_USER_NAME=hdfs
在HDFS中创建作业输入目录
hadoop fs -mkdir -p /tmp/mr/data/wc_input
在本地创建词频统计文件
vim wordcount.txt
文本内容如下
hello hadoop
hello hdfs
hello yarn
hello mapreduce
将wordcount.txt上传到作业输入目录
hadoop fs -put wordcount.txt /tmp/mr/data/wc_input
import java.io.IOException;
import java.util.StringTokenizer;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
public class WordCount {
/*
* 实现Mapper,文件的每一行数据会执行一次map运算逻辑
* 因为输入是文件,会将处理数据的行数作为Key,这里应为LongWritable,设置为Object也可以;Value类型为Text:每一行的文件内容
* Mapper处理逻辑是将文件中的每一行切分为单词后,将单词作为Key,而Value则设置为1,<Word,1>
* 因此输出类型为Text,IntWritable
*/
public static class TokenizerMapper
extends Mapper<Object, Text, Text, IntWritable>{
// 事先定义好Value的值,它是IntWritable,值为1
private final static IntWritable one = new IntWritable(1);
// 事先定义好Text对象word,用于存储提取出来的每个单词
private Text word = new Text();
public void map(Object key, Text value, Context context
) throws IOException, InterruptedException {
// 将文件内容的每一行数据按照空格拆分为单词
StringTokenizer itr = new StringTokenizer(value.toString());
// 遍历单词,处理为<word,1>的Key-Value形式,并输出(这里会调用上下文输出到buffer缓冲区)
while (itr.hasMoreTokens()) {
word.set(itr.nextToken());
context.write(word, one);
}
}
}
/*
* 实现Reducer
* 接收Mapper的输出,所以Key类型为Text,Value类型为IntWritable
* Reducer的运算逻辑是Key相同的单词,对Value进行累加
* 因此输出类型为Text,IntWritable,只不过IntWritable不再是1,而是最终累加结果
*/
public static class IntSumReducer
extends Reducer<Text,IntWritable,Text,IntWritable> {
// 预先定义IntWritable对象result用于存储词频结果
private IntWritable result = new IntWritable();
public void reduce(Text key, Iterable<IntWritable> values,
Context context
) throws IOException, InterruptedException {
int sum = 0;
// 遍历key相同单词的value值,进行累加
for (IntWritable val : values) {
sum += val.get();
}
result.set(sum);
// 将结果输出
context.write(key, result);
}
}
// 实现Main方法
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
Job job = Job.getInstance(conf, "word count");
job.setJarByClass(WordCount.class);
job.setMapperClass(TokenizerMapper.class);
job.setCombinerClass(IntSumReducer.class);
job.setReducerClass(IntSumReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
export HADOOP_CLASSPATH=${JAVA_HOME}/lib/tools.jar
hadoop com.sun.tools.javac.Main WordCount.java
jar cf wc.jar WordCount*.class
hadoop jar wc.jar WordCount /tmp/mr/data/wc_input /tmp/mr/data/wc_output
hadoop fs -cat /tmp/mr/data/wc_output/part-r-*
扫描二维码
获取更多精彩
数舟,再会